金融科技對綠色信貸的影響及作用機制

黃磊 黃思剛 楊承佳

摘? ?要：數字經濟時代，金融科技能否賦能綠色信貸發展，從而推動商業銀行實現數字化綠色轉型？本文創新性地從商業銀行內部視角出發，基于2012—2021年22家中國上市商業銀行數據，利用文本挖掘法構建金融科技發展指數，探究金融科技對綠色信貸的影響。研究發現，金融科技通過緩解信息不對稱、調整信貸配置和降低信貸風險顯著促進了綠色信貸的投放。異質性分析表明，金融科技對綠色信貸投放的促進作用在規模小、資本充足率高的商業銀行以及城市商業銀行中表現得更加明顯。因此，商業銀行應持續推進金融科技發展，以助力我國綠色金融的發展以及“雙碳”目標的實現。

關鍵詞：金融科技；綠色信貸；商業銀行；文本挖掘；信息不對稱

中圖分類號：F832? 文獻標識碼：A? 文章編號：1674-2265（2023）07-0073-10

DOI：10.19647/j.cnki.37-1462/f.2023.07.009

一、引言

生態環境問題是“十四五”規劃中著力要解決的重點問題。作為遏制高耗能、高污染產業擴張進而推動企業綠色轉型的一項信貸政策（田超和肖黎明，2021）[1]，綠色信貸政策逐漸成為國內生態環境治理的重要抓手。但與此同時，投放力度不足、實施效果不佳等問題的存在使綠色信貸仍具有較大發展空間（張小可和葛晶，2021）[2]。究其原因，主要在于信貸投放方即商業銀行的風險規避。由于信息不對稱，“標綠”企業和“染綠”項目的騙貸案例層出不窮（張可等，2022）[3]，為避免損失，商業銀行收緊綠色信貸投放，綠色信貸陷入發展停滯期。

近年來，互聯網、人工智能、大數據、云計算、區塊鏈等新興信息技術在金融領域的融合應用為商業銀行提供了新發展機遇。中國人民銀行在《金融科技發展規劃（2019—2021年）》中指出，金融科技能推動金融機構在盈利模式、業務形態、資產負債、信貸關系、渠道拓展等方面持續優化，不斷增強核心競爭力，為金融業轉型升級持續賦能。具體來看，金融科技主要是通過創造新的技術應用、產品服務與業務模式來提高金融服務的效率（趙鷂，2016；易憲容，2017；何涌和謝磊，2022）[4-6] ，并通過“技術溢出效應”與“競爭效應”兩種渠道來緩解銀企間的信息不對稱，改進商業銀行貸款技術和優化商業銀行信貸配置（孟娜娜等，2020；Fuster等，2019）[7，8]，很可能有助于解決商業銀行綠色信貸的現存問題（盛天翔和范從來，2020）[9]。實際數據顯示，2021年，中國工商銀行和中國建設銀行金融科技投入分別為259.87億元和235.76億元，較上年增長9.1%和6.6%。同期，兩家商業銀行的綠色信貸余額分別增加6349.02億元和6204.22億元，同比增長34.4%和46.21%。金融科技投入和綠色信貸余額的雙雙提升引發了我們的思考：商業銀行發展金融科技是否會促進綠色信貸的投放？金融科技影響綠色信貸的作用機制又是什么？既有研究主要考察商業銀行發展金融科技對其經營績效（王道平等，2022；趙清波和卜林，2022）[10，11]、盈利能力（于鳳芹和于千惠，2021）[12]、風險承擔（邱晗等，2018；郭品和沈悅，2019）[13，14]、信貸配置（徐曉萍等，2021；亓鵬和韓慶瀟，2022）[15，16]乃至市場結構（孟娜娜等，2020）[7]的影響，鮮有學者從商業銀行自身角度出發，探究金融科技對綠色信貸投放的影響。在中國經濟轉型的攻關期，厘清二者之間的關系對于推動商業銀行數字化轉型和綠色發展，深化銀行業供給側結構性改革，從而助力我國高質量發展以及“雙碳”目標的實現具有重要的理論價值和現實意義。

基于上述背景，本文使用文本挖掘法構建了商業銀行金融科技發展指數，結合2012—2021年22家中國上市商業銀行數據，考察商業銀行金融科技發展水平對其綠色信貸投放的影響及作用機制。與以往文獻相比，本文可能的創新和貢獻在于：第一，基于文本挖掘法，創建金融科技關鍵詞詞庫，采用機器學習的方法爬取各商業銀行年報，對金融科技關鍵詞詞頻數進行統計，創新性地構建了商業銀行金融科技發展指數，為相關研究提供有益借鑒。第二，目前與金融科技相關的研究主要集中在其對企業、商業銀行和區域經濟的影響方面，而在商業銀行層面的研究中，鮮有文獻將金融科技與綠色信貸直接聯系起來，本文從商業銀行視角出發，探究金融科技對綠色信貸的影響，為金融科技賦能綠色信貸進而助力高質量發展提供微觀經驗證據。第三，基于緩解信息不對稱、調整信貸配置和降低信貸風險三條路徑，深入剖析了金融科技對綠色信貸的影響機制，不僅豐富了現有的理論研究，還為商業銀行如何利用金融科技推動綠色信貸發展和自身數字化轉型提供有益的政策思考。

二、文獻回顧、理論分析與研究假說

（一）文獻回顧

根據使用主體的不同，金融科技可分為外部金融科技和商業銀行內部金融科技（Cheng和Qu，2020）[17]，分別對應互聯網金融企業和商業銀行，二者本質上都涵蓋了各類利用數字化、電子化技術進行交易的產品和服務（李建軍和姜世超，2021）[18]，并對商業銀行的行業結構和傳統經營模式產生了深刻影響。從整個行業來看，外部金融科技的發展賦予互聯網金融企業信息技術優勢，使其在獲取客戶方面搶占先機，擠壓了商業銀行的盈利空間，迫使商業銀行進行改革創新，發展商業銀行內部金融科技，從而影響整體銀行業結構（孟娜娜等，2020）[7]。從商業銀行的單一視角來看，商業銀行內部金融科技顛覆了傳統的銀行行為，具體體現在信息獲取能力、貸款審批與風險管理方式的變化。一方面，金融科技賦能下，商業銀行通過大數據、物聯網等信息技術手段獲取借款企業的經營狀況、信用資質等“軟”信息，以此判定企業是否符合放貸標準，這就打破了以往需要借款企業足值抵押物等“硬”資質的傳統貸款方式（盛天翔和范從來，2020）[9]。另一方面，金融科技以區塊鏈、人工智能等新興技術幫助商業銀行建立企業信用評估模型，降低商業銀行風險評估成本。此外，金融科技還有助于擴大信貸市場的信息共享范圍，使得商業銀行可在豐富的貸款信息集中選擇信用資質良好的客戶進行交易，降低篩選和監控成本，同時以信息共享來約束借款人行為，降低信貸風險（Sutherland，2018）[19]。由此可見，金融科技確實對商業銀行信貸業務產生了深遠的影響。

商業銀行綠色信貸的投放力度和實施效果受到多方面因素的影響。借款企業層面，企業信息披露水平和環境責任表現對商業銀行綠色信貸決策有著顯著影響（李哲和王文翰，2021）[20]。放款銀行層面，有學者發現了綠色信貸和商業銀行財務績效的動態交互關系（張琳等，2019）[21]。政府層面，地方政府環境規制和地方官員特征也是影響綠色信貸發展的重要因素（林柏強和潘婷，2022；韋朕韜等，2023）[22，23]。上述關于綠色信貸影響因素的分析多集中于企業和政府層面，對商業銀行內部因素與綠色信貸關系的研究甚少，而綠色信貸主要是通過商業銀行進行投放，商業銀行內部因素對綠色信貸的影響不可忽視。尤其是在現代信息化與科技化的大背景下，商業銀行內部發展金融科技勢必會對綠色信貸業務的發展造成沖擊。

（二）金融科技與綠色信貸

基于微觀經濟學不完全信息理論，商業銀行與企業之間的信息不對稱是造成道德風險和逆向選擇的主要原因，這些問題都將導致信貸資源錯配（宋敏等，2021）[24]，類似的問題在綠色信貸這類政策性貸款的實施過程中表現得更加嚴重。目前各商業銀行主要根據信貸申請企業的經營范圍和行業類型來判斷其是否屬于綠色企業或綠色項目，一方面，按照傳統的貸款方式，一些申請綠色信貸的企業在滿足正常申請條件的同時，需要依靠足值抵押物等“硬”資質來通過商業銀行的信貸審核，這就使得部分符合綠色信貸申請條件但缺少硬性資產的中小企業被排斥在商業銀行綠色信貸投放范圍之外；另一方面，由于商業銀行與借款企業之間的信息不對稱，部分企業通過“漂綠”“染綠”等方式騙取綠色信貸，并將綠色信貸挪作他用，部分信用不良和還貸能力差的企業在得到綠色信貸后出現違約行為，導致商業銀行利潤和資產流動性下降，金融風險水平攀升。經過借款企業的上述一系列負向操作，商業銀行對綠色信貸的投放越發謹慎，秉持“寧可不投，也不錯投”的保守態度。由此，商業銀行陷入不愿投放但礙于政策因素又必須適量投放綠色信貸的困境。金融科技賦予商業銀行全新的應用技術、產品形態與業務模式，商業銀行在大數據、物聯網、人工智能等技術的幫助下，信息獲取、信貸配置和風險控制三個方面的能力得到提高（李春濤等，2020）[25]，綠色信貸的投放很可能也會受到影響。

在信息獲取方面，一方面，大數據、智能識別、數據挖掘等技術手段增強了商業銀行的信息獲取能力（盛天翔和范從來，2020）[9]，獲取海量客戶信息和歷史數據的同時，可將綠色信貸申請企業的“軟”信息“量”化，通過“軟”“硬”信息的結合商業銀行能夠多維度、深層次地對企業進行綠色評價，并以信息技術手段綜合判斷是需要足值抵押物等“硬”資產來發放擔保貸款，還是可以憑借企業良好的綠色聲譽和綠色信用以及項目的低風險等“軟”資質發放信用貸款，有助于商業銀行為更多符合綠色信貸申請資質的中小企業提供綠色信貸，一定程度上提高了綠色信貸服務的包容性（譚常春等，2023）[26]，增加了商業銀行綠色信貸投放。另一方面，商業銀行可以利用金融科技有效辨別綠色企業與綠色項目的真偽，緩解銀企之間的信息不對稱，隨著信息掌握程度的提高，商業銀行對于綠色信貸投放的保守態度逐漸轉向積極，進而放寬綠色信貸申請及發放條件，刺激綠色信貸的投放?；诖?，本文提出假設1和假設2：

假設1：商業銀行發展金融科技能夠顯著增加綠色信貸的投放量。

假設2：金融科技通過緩解銀企間的信息不對稱，促進商業銀行綠色信貸的投放。

在信貸配置方面，由于市場信息的缺乏，商業銀行存在惜貸等情況，存貸比和利息收入低于市場均衡水平。在金融科技有效緩解銀企間信息不對稱的基礎上，商業銀行風險承擔意愿增強，信貸配置有所調整，存貸款比例會顯著上升。特別是在綠色信貸業務上，風險承擔意愿的增強賦予銀行在信貸業務方面更多的操作空間，雖然綠色信貸相較其他信貸來說利息較低、周期較長，但為贏得綠色聲譽以及礙于政策指標，商業銀行會傾斜增加綠色信貸的投放。據此，本文提出假設3：

假設3：金融科技通過調整商業銀行信貸配置，促進商業銀行綠色信貸的投放。

在風險控制方面，一方面，商業銀行能夠利用金融科技建立綠色信用評估模型（Livshits等，2016）[27]，過濾違約風險高的綠色信貸申請企業，排除非綠企業和非綠項目，防止企業“標綠”“染綠”以騙取綠色信貸，提高的風險處理能力；另一方面，商業銀行能夠運用大數據、區塊鏈等技術實時監測綠色信貸資金流向，當綠色信貸申請企業將綠色資金挪作他用時，商業銀行能夠及時凍結并收回已發放的綠色信貸資金，這將有助于提高商業銀行的風險控制能力，降低商業銀行的信貸風險（張妤舟，2021）[28]。風險控制能力的提高和信貸風險的下降又會增強商業銀行投資信心，使其向市場發放更多的綠色信貸以謀求更多的收益?；谝陨戏治?，本文提出假設4：

假設4：金融科技通過降低商業銀行信貸風險，促進商業銀行綠色信貸的投放。

三、研究設計

（一）研究樣本和數據處理

本文以2012—2021年22家中國上市商業銀行為研究對象，商業銀行金融科技發展指數來自對各商業銀行年報進行爬蟲得到的數據，商業銀行經營數據及財務數據來自國泰安數據庫、Choice金融數據庫和各商業銀行年報，綠色信貸余額來自馬克數據網、各商業銀行社會責任報告和可持續發展報告。部分缺失數據通過各商業銀行年報、社會責任報告和可持續發展報告手工收集，剩余少量缺失數據通過線性插值法補齊。此外，為消除極端數據值對實證結果造成的影響，對所有連續型變量進行雙側1%的縮尾處理，最終得到2012—2021年22家商業銀行的220個觀測值。

（二）模型構建

基于前文理論分析，為探究金融科技與綠色信貸之間的關系，本文構建以下模型：

[GRi，t=α+βFintechi，t+γControls+δi+μi+εi，t] （1）

其中，被解釋變量[GRi，t]代表商業銀行[i]在[t]年份的綠色信貸投放量，使用商業銀行的綠色信貸余額來度量；核心解釋變量[Fintechi，t]代表商業銀行[i]在[t]年份的金融科技發展水平，使用爬取到的各商業銀行年報中金融科技關鍵詞詞頻的對數來度量；[Controls]是商業銀行微觀層面和國內宏觀經濟層面的控制變量；[δi]表示銀行個體固定效應，由于省份固定效應會被商業銀行個體固定效應吸收，因此，實質上本文也控制了省份固定效應；[μi]表示時間固定效應；[εi，t]代表隨機誤差項。

（三）變量定義

1. 綠色信貸投放量（GR）。參照以往文獻，使用商業銀行社會責任報告中的綠色信貸余額來衡量。

2. 金融科技發展水平（Fintech）?，F有研究對于金融科技發展水平的測度主要有三類方法：一是采用北京大學數字金融研究中心編制的中國數字普惠金融指數（郭峰等，2020）[29]，該指數根據螞蟻金服的底層交易數據編制，從覆蓋廣度、使用深度和數字化程度三個維度來反映金融科技發展水平。二是采用地區金融科技公司的數量來衡量地區金融科技發展程度（宋敏等，2021）[24]。三是采用文本挖掘法，以金融科技關鍵詞檢索結果來衡量金融科技發展水平（郭品和沈悅，2019）[14]。前兩種測度方法多用于全國與省市級層面的宏觀研究，而基于文本挖掘法所構建的商業銀行金融科技指數更適合對商業銀行進行微觀分析。因此，本文借鑒李春濤等（2020）[25]和翟勝寶等（2023）[30]的方法，通過機器學習的方法，從各商業銀行年報中提取涵蓋人工智能、區塊鏈、云計算、大數據、線上化與移動化等六個維度的124個金融科技關鍵詞詞頻數（見表1），對所得結果做對數化處理，得到各年度各商業銀行的金融科技發展水平。

3. 控制變量。按照以往研究，商業銀行層面微觀特征、國內宏觀經濟發展水平與貨幣政策等均會影響商業銀行的綠色信貸水平。因此，本文選取的控制變量在微觀上主要包括能夠反映商業銀行盈利能力的總資產收益率（ROA）、反映信貸壞賬情況的不良貸款率（NPL）、反映經營效率的成本收入比（CI）、反映流動性水平的流動性比例（LDR）、反映資本充足水平的資本充足率（CAR）以及反映環境責任意識的環境信息披露指數（EIDQ）；在宏觀上主要包括反映各地區綠色政策力度的環境規制強度（ER）、反映國內經濟發展水平的國內生產總值（GDP）和反映貨幣政策環境的貨幣供應量（M2）。具體變量定義及描述性統計見表2。

四、實證結果分析

（一）基準回歸

本文采用的樣本數據屬于大N小T的短面板數據，常用的估計方法有混合回歸、固定效應和隨機效應模型，需要使用Hausman檢驗確定合適的基準回歸模型。檢驗結果顯示P值為0.0000，在1%的水平上顯著拒絕隨機效應。因此，本文采用固定效應模型（控制個體和時間效應）進行基準回歸，結果如表3所示。

由表3第（1）列可知，沒有加入任何控制變量時，金融科技發展水平的系數為0.6184，在1%的水平上顯著為正，這表明商業銀行金融科技發展水平對綠色信貸投放具有顯著的促進作用。在考慮商業銀行自身特征及宏觀經濟政策等控制變量后，金融科技發展水平的系數降至0.4737，仍在1%的水平上顯著為正，進一步驗證了商業銀行金融科技發展水平對綠色信貸投放的正向影響?？紤]到商業銀行信貸供給受其他因素影響后變動往往具有一定的時滯性，將核心解釋變量與控制變量均滯后一期再使用固定效應模型進行回歸，結果如表3第（3）列所示，金融科技發展水平的系數符號和顯著性均未改變，由此，假設1初步成立。

控制變量中，總資產收益率的回歸系數顯著為負，說明總資產收益率和綠色信貸投放量負相關，與直覺相悖，通常來講，商業銀行總資產收益率越高，商業銀行資本積累就越多，越有能力進行綠色信貸投放。一種可能的解釋是，總資產收益率越高，商業銀行就越有動機保持高收益率，因此，會減少發展綠色信貸這類非盈利性或低盈利性的政策性貸款。不良貸款率的回歸系數顯著為負，說明不良貸款率越高，商業銀行越謹慎，會縮減綠色信貸的投放。資本充足率的回歸系數同樣顯著為負，這可能與商業銀行綠色信貸業務開展不足相關。其余控制變量的顯著性和符號與預期相符，不再贅述。

（二）內生性問題

為緩解遺漏變量、金融科技發展水平測量誤差或反向因果導致的內生性問題，本文采用以下方法處理后再檢驗。

1. 工具變量法。Hausman檢驗結果在1%水平上顯著拒絕原假設，表明解釋變量存在內生性，使用工具變量法一定程度上能夠消除解釋變量的內生性。參照張杰等（2017）[31]和宋敏等（2021）[24]的方法，本文使用與商業銀行總部所在地級市接壤的其他三個地級市的北京大學數字普惠金融總指數的平均值，作為金融科技發展水平的工具變量（AV_Fin）。一方面，與商業銀行總部所在地級市接壤的其他三個地級市的數字普惠金融發展水平與銀行的金融科技發展水平正相關，滿足工具變量的相關性要求；另一方面，接壤地級市的數字普惠金融指數均值并不直接影響該商業銀行的綠色信貸投放量，滿足工具變量的外生性要求。因此，工具變量的基本要求得到滿足。

本文先使用兩階段最小二乘法（2SLS）進行工具變量法回歸，回歸結果如表4所示。其中，Anderson LM統計量P值為0.000，顯著拒絕工具變量識別不足的原假設，第一階段F統計量為321.267，大于Stock-Yogo在10%水平上的臨界值16.38，表示不存在工具變量識別不足和弱工具變量問題，因此，本文選用的工具變量有效。表4第（1）列為2SLS第一階段回歸結果，工具變量的回歸系數在1%的水平上顯著為正，表明商業銀行總部所在地級市臨近的三個地級市的平均金融科技發展水平越高，該商業銀行金融科技發展水平就越高，工具變量有效的前提得到滿足。表4第（2）列為2SLS第二階段回歸結果，在緩解內生性后，金融科技發展水平對綠色信貸投放量仍具有顯著的正向影響，本文結論仍然成立。

考慮到2SLS工具變量法在消除內生性過程中的局限性，本文還使用拓展回歸模型（ERM）中的拓展線性回歸模型（Eregress）子模塊來進行工具變量法回歸?；貧w結果如表4第（3）列所示，殘差相關性系數在1%的水平上顯著，說明模型存在內生性問題，在緩解內生性核心解釋各變量的符號和顯著性均未改變，表明本文結論依舊穩健。

2. GMM動態面板分析。綠色信貸政策往往在時間上具有一定的持續性，當期綠色信貸投放很可能受到上一期綠色信貸投放政策的影響。為消除這種影響帶來的內生性問題，本文在式（1）的基礎上引入被解釋變量的一階滯后項作為解釋變量，使用差分GMM和系統GMM回歸來檢驗前文結論的穩健性。表5列（1）與列（2）結果均通過二階序列相關檢驗和Hansen過度識別檢驗，且金融科技發展水平的回歸系數均在1%的水平上顯著為正，表明在考慮綠色信貸政策的時間序列相關性后，金融科技對綠色信貸投放量的促進作用仍然顯著存在。

（三）穩健性檢驗

1. 替換被解釋變量。參照已有文獻，本文使用當期綠色信貸余額占期末貸款總額的比重（GRR）作為綠色信貸投放水平的替代指標，回歸結果如表6第（1）列所示，金融科技發展水平的回歸系數在1%水平上顯著為正，商業銀行金融科技的發展能夠顯著促進綠色信貸的投放，與前文結論一致。

2. 替換核心解釋變量。本文使用商業銀行總部所在地級市的北京大學數字普惠金融總指數（Digit Fintech）作為文本挖掘法所構建的金融科技發展水平的替代指標，并對其進行回歸，結果如表6第（2）列所示，替代指標的回歸系數在1%水平上仍顯著為正，證明金融科技與綠色信貸投放量的正相關性，前文結論可靠穩健。

3. 剔除直轄市?？紤]到直轄市金融科技發展水平較高，當地商業銀行一般較早開始落實綠色信貸政策，綠色信貸投放水平往往也較高，反向因果問題可能較為嚴重。因此，在剔除直轄市后對剩余樣本進行回歸，結果見表6第（3）列，金融科技發展水平的回歸系數依然顯著為正，再次驗證了前文結論的可靠性。

五、機制分析

前文的研究結論表明，商業銀行發展金融科技能夠顯著增加綠色信貸的投放量，本節從緩解信息不對稱、調整信貸配置和降低信貸風險三個維度出發，使用結構方程模型（SEM）檢驗中介效應，深入剖析金融科技對綠色信貸的影響機制。

（一）基于緩解信息不對稱

銀企之間的信息不對稱是導致商業銀行綠色信貸配置效率低下的主要原因。金融科技利用大數據、區塊鏈等技術充分挖掘、收集并精準識別綠色信貸客戶信息，結合“軟”“硬”信息，在有效緩解銀企間信息不對稱的同時為商業銀行吸納更多符合資質的綠色客戶，從而推動商業銀行投放更多的綠色信貸。銀企的信息不對稱程度會嚴重影響其資產的流動性，交易者為避免信息劣勢給自己帶來損失，往往會選擇信息透明度更高的公司買進股票，因此，商業銀行股票的流動性越差，則代表銀企間信息不對稱程度越高。本文參照于蔚等（2012）[32]的做法，基于微觀金融市場的交易數據，通過提取流動性比率、非流動性比率以及反轉指標綜合合成商業銀行信息不對稱（ASI）的代理指標，并代入回歸方程，借鑒江艇（2022）[33]關于中介效應的判定方法，以中介效應模型檢驗金融科技能否通過緩解銀企間信息不對稱的方式來增加商業銀行綠色信貸的投放量。

回歸結果如表7所示，在第（2）列中，金融科技發展水平的回歸系數顯著為負，表明商業銀行發展金融科技能夠有效緩解銀企間的信息不對稱。同時，第（3）列信息不對稱的回歸系數顯著為負，說明信息不對稱對綠色信貸的投放具有抑制作用。結合前三列的回歸結果可得到，商業銀行發展金融科技確實能夠通過緩解信息不對稱進而促進綠色信貸的投放。Sobel檢驗和蒙特卡羅檢驗均在1%的顯著性水平上拒絕不存在中介效應的原假設，且蒙特卡羅檢驗的置信區間不包含0，驗證了緩解信息不對稱中介效應的存在性。由此，前文假設2得到驗證。

（二）基于調整信貸配置

商業銀行自身對于信貸配置的調整也是影響其綠色信貸投放量的關鍵因素。金融科技可以提高商業銀行對于綠色信貸申請企業的信息獲取能力、改進綠色信貸從申請及發放的審批流程與技術、完善綠色信用評估機制，在信息真實透明的綠色信貸市場條件下，商業銀行能夠及時調整信貸配置，提高信貸配置效率，即商業銀行風險承擔意愿增強，為獲得綠色聲譽、完成綠色信貸政策指標以及獲取更多的隱性收益，商業銀行會發放比原來更多的綠色信貸。參考劉方等（2022）[34]的做法，本文使用商業銀行的存貸比（LD）來衡量其信貸配置狀況，存貸比越高則代表商業銀行信貸配置效率越高，以同上的中介效應模型檢驗金融科技是否通過提高商業銀行信貸配置效率進而促進綠色信貸的投放。表8的估計結果表明，金融科技調整了商業銀行的信貸配置，通過提高其信貸配置效率來促進綠色信貸的投放。Sobel檢驗和蒙特卡羅檢驗驗證了信貸配置效率中介效應的存在性。信貸配置效率的提高賦予商業銀行更多的資本利用機會和試錯空間，往往使得商業銀行對投放綠色信貸這類政策性貸款保持積極、寬松的態度。而商業銀行金融科技的發展調整了銀行信貸配置，提高了信貸配置效率，進而使得綠色信貸投放量增多，由此，驗證了前文假設3。

（三）基于降低信貸風險

信貸風險水平是商業銀行調整業務和政策的實時依據，綠色信貸的投放數量及發放政策同樣會受到信貸風險水平的影響。高信貸風險水平會使商業銀行收緊信貸政策，進而阻礙綠色信貸的申請和投放（王遙和王文蔚，2021；許罡，2022）[35，36]。金融科技能夠幫助商業銀行建立風險評估與預測模型，實現對包括綠色信貸在內的眾多信貸資金流向的實時監測，從而降低商業銀行信貸風險水平，刺激商業銀行發放綠色信貸。參照以往研究，本文以風險加權資產占總貸款的比例，即風險加權資產占比（RISK）來衡量商業銀行信貸風險水平，并使用同上的中介效應模型檢驗其在金融科技與綠色信貸之間的中介效應是否成立?；貧w結果如表9所示，結果表明金融科技可通過降低商業銀行信貸風險進而增加商業銀行的綠色信貸投放量。Sobel檢驗和蒙特卡羅檢驗均證明了信貸風險中介效應的存在。左振秀等（2017）[37]認為，從商業銀行角度來看，阻礙綠色信貸發放的最大因素是綠色信貸業務自身的高風險。如果綠色信貸業務的風險下降，商業銀行自然會增加綠色信貸的投放量。金融科技通過智能化與信息化交互的技術手段賦能商業銀行，有效降低綠色信貸風險，進而促進綠色信貸的投放，前文假設4得證。

六、異質性分析

（一）基于商業銀行規模和所有權性質

不同規模的商業銀行在人力物力、客戶群體等方面存在差異，商業銀行金融科技的發展方式和融入程度亦有所不同，因而金融科技在各商業銀行的實際應用存在較大差異。為探究不同規模商業銀行發展金融科技對綠色信貸投放量的異質性影響，本文選取樣本中所有商業銀行年度總資產的中位數作為臨界值，將全樣本劃分為大規模商業銀行組和小規模商業銀行組。分組回歸結果如表10的第（1）、（2）列所示，金融科技發展水平的回歸系數均在1%的水平上顯著為正，但小規模商業銀行的回歸系數遠高于大規模商業銀行，說明小規模商業銀行發展金融科技對綠色信貸投放的促進作用更加明顯?？赡艿脑蛟谟?，一方面，大規模商業銀行通常對新政策的反應更加迅速，對于綠色信貸這類政策性貸款的投放力度一開始就遠遠高于小規模商業銀行，業務發展空間有限。相反，小規模商業銀行對新政策反應慢、落實力度小與響應周期長，綠色信貸業務尚有較大發展空間。另一方面，不同于大規模商業銀行，小規模商業銀行本身就缺乏與業務相關的科技產品和先進設備，并且小規模商業銀行體量小、決策半徑短、自主性強，能更快適應金融科技帶來的改變。由此看來，金融科技給小規模商業銀行帶來的機遇更大。

商業銀行所有權性質不同也會造成其金融科技發展水平與綠色信貸這類政策性貸款實施效果的差異，本文將全樣本劃分為國有商業銀行、股份制商業銀行和城市商業銀行三個子樣本，考察金融科技對不同所有權性質的商業銀行綠色信貸投放量影響的差異性。表10后三列顯示了分組回歸的結果，表明金融科技在國有商業銀行、股份制商業銀行和城市商業銀行中對綠色信貸投放均有著顯著的促進作用，其中，對城市商業銀行的影響程度最大?？赡艿慕忉屖?，由于各個城市接連出臺對金融科技發展的支持政策并大力吸納金融科技有關人才，城市商業銀行也容易受到金融發展的輻射作用。而相比之下，金融科技促進綠色信貸投放的作用在股份制商業銀行中最小，這與股份制商業銀行綠色信貸審批程序復雜，以及通常需要召開股東大會討論并做出相關政策決策有關。

（二）基于商業銀行資本充足率

商業銀行資本充足率表示銀行以自有資本補償損失的能力，商業銀行資本充足率與商業銀行風險呈負相關關系，當資本充足率過低甚至接近最低資本監管要求時，商業銀行會被限制信貸供給。因此，高資本充足率的商業銀行往往能夠實行更寬松的信貸政策，金融科技促進綠色信貸投放增加的作用可能更強。

為驗證商業銀行資本充足率的異質性影響，本文選取樣本中所有商業銀行年度資本充足率的中位數作為臨界值，將全樣本劃分為高資本充足率組和低資本充足率組。表11的分組回歸結果顯示，金融科技發展水平的回歸系數均在1%的水平上顯著為正，并且在高資本充足率組中，金融科技發展水平的回歸系數遠高于低資本充足率組。這表明，金融科技在高資本充足率的商業銀行中對綠色信貸投放量的正向影響更大。究其原因，高資本充足率意味著資本運營效率低和收益不足，商業銀行會嘗試通過增加業務量、拓展業務面等方式以提高資本運營效率和收益。金融科技賦予商業銀行集透明性、穩定性、科學性為一體的全新貸款技術、信用評估機制和風險預測與評估模型等，使商業銀行在能夠保障綠色信貸質量的前提下，降低資本充足率、增加綠色信貸投放量和擴大綠色信貸規模，實現自身資本運營效率和收益的提高。

七、結論與啟示

（一）研究結論

現代新興信息技術正逐步與金融業融合，“金融+科技”成為深化銀行業供給側結構性改革的重要抓手。在此背景下，探究商業銀行發展金融科技對綠色信貸的影響及作用機制，對我國綠色發展和高質量發展以及“雙碳”目標的實現具有重大現實意義。本文基于文本挖掘法，爬取各商業銀行年報統計金融科技關鍵詞詞頻數，構建了商業銀行金融科技發展指數，結合2012—2021年22家中國上市商業銀行數據，考察商業銀行金融科技發展水平對其綠色信貸投放的影響及作用機制。結果表明：商業銀行發展金融科技能夠顯著增加綠色信貸投放量。機制分析表明，金融科技通過緩解銀企之間的信息不對稱、調整商業銀行信貸配置和降低商業銀行信貸風險來促進綠色信貸的投放。進一步研究發現，金融科技對綠色信貸發展的促進作用在規模小、資本充足率高的銀行以及城市商業銀行中表現得更加明顯。

（二）政策啟示

1.商業銀行應大力發展金融科技，加速與金融科技的全方位融合，深化金融供給側結構性改革。商業銀行應加大對金融科技的投入力度和應用程度，以“金融+科技”顛覆傳統商業銀行經營理論和信貸業務開展模式，打造集數字化、信息化和智能化為一體的全新業態，并通過自身綠色轉型、數字化轉型來深化金融供給側結構性改革，促進銀行業的綠色發展和高質量發展。此外，商業銀行應因地制宜，采取符合自身特點的差異化的金融科技發展方式。

2.政府部門應加強頂層設計和政策指引，出臺有效支持金融科技發展的配套政策，同時完善相關監管機制，加強宏觀審慎管理，防范金融科技發展與應用過程中可能引發的重大金融風險。金融科技在為商業銀行賦能的同時，也可能因應用不當而帶來重大金融風險。為用好金融科技這把“雙刃劍”，一方面，在商業銀行金融科技發展過程中，政府需給予政策支持和資金幫扶，吸納金融科技人才，鼓勵銀行進行金融科技產品的創新和開發；另一方面，政府需加強對金融科技的監管力度，提高金融科技產品的準入門檻，防止不合格的金融科技產品投向市場進而引發系統性金融風險。值得注意的是，政府還需將宏觀審慎與銀行的微觀治理相結合，引導商業銀行金融科技的合理化、規范化發展。

參考文獻：

[1]田超，肖黎明.綠色信貸會促進重污染企業技術創新嗎？——基于《綠色信貸指引》的準自然實驗 [J].中國環境管理，2021，13（06）.

[2]張小可，葛晶.綠色金融政策的雙重資源配置優化效應研究 [J].產業經濟研究，2021，（06）.

[3]張可，李語晨，趙錦楸.綠色信貸促進了節能減排嗎 [J].財經科學，2022，（01）.

[4]趙鷂.Fintech的特征、興起、功能及風險研究 [J].金融監管研究，2016，（09）.

[5]易憲容.金融科技的內涵、實質及未來發展——基于金融理論的一般性分析 [J].江海學刊，2017，（02）.

[6]何涌，謝磊.金融科技的內涵、風險與監管的中國方案：一個基于文獻可視化的研究綜述 [J].金融發展研究，2022，（04）.

[7]孟娜娜，粟勤，雷海波.金融科技如何影響銀行業競爭 [J].財貿經濟，2020，41（03）.

[8]Fuster A，Plosser M，Schnabl P，Vickery J. 2019. The Role of Technology in Mortgage Lending [J].The Review of Financial Studies，32（5）.

[9]盛天翔，范從來.金融科技、最優銀行業市場結構與小微企業信貸供給 [J].金融研究，2020，（06）.

[10]王道平，劉楊婧卓，徐宇軒，劉琳琳.金融科技、宏觀審慎監管與我國銀行系統性風險 [J].財貿經濟，2022，43（04）.

[11]趙清波，卜林.銀行發展金融科技能否提高經營績效？——來自我國92家銀行的經驗證據 [J].財經理論與實踐，2022，43（05）.

[12]于鳳芹，于千惠.金融科技影響商業銀行盈利能力的機制分析 [J].金融與經濟，2021，（02）.

[13]邱晗，黃益平，紀洋.金融科技對傳統銀行行為的影響——基于互聯網理財的視角 [J].金融研究，2018，（11）.

[14]郭品，沈悅.互聯網金融、存款競爭與銀行風險承擔 [J].金融研究，2019，（08）.

[15]徐曉萍，李弘基，戈盈凡.金融科技應用能夠促進銀行信貸結構調整嗎？——基于銀行對外合作的準自然實驗研究 [J].財經研究，2021，47（06）.

[16]亓鵬，韓慶瀟.金融科技發展有助于農商行業務回歸本源嗎？——來自縣域農商行的微觀證據 [J].金融發展研究，2022，（07）.

[17]Cheng M，Qu Y. 2020. Does Bank FinTech Reduce Credit Risk？ Evidence from China [J].Pacific-Basin Finance Journal，63.

[18]李建軍，姜世超.銀行金融科技與普惠金融的商業可持續性——財務增進效應的微觀證據 [J].經濟學（季刊），2021，21（03）.

[19]Sutherland A. 2018. Does Credit Reporting Lead to a Decline in Relationship Lending？ Evidence from Information Sharing Technology [J].Journal of Accounting and Economics，66（1）.

[20]李哲，王文翰.“多言寡行”的環境責任表現能否影響銀行信貸獲取——基于“言”和“行”雙維度的文本分析 [J].金融研究，2021，（12）.

[21]張琳，廉永輝，趙海濤.綠色信貸和銀行財務績效的動態交互影響關系——基于中國29家商業銀行的實證研究 [J].上海金融，2019，（04）.

[22]林伯強，潘婷.環境管制如何影響綠色信貸發展？[J].中國人口·資源與環境，2022，32（08）.

[23]韋朕韜，張騰，陶善信.綠色信貸、地方官員特征與我國工業產能過剩 [J].財經論叢，2023，（02）.

[24]宋敏，周鵬，司海濤.金融科技與企業全要素生產率——“賦能”和信貸配給的視角 [J].中國工業經濟，2021，（04）.

[25]李春濤，閆續文，宋敏，楊威.金融科技與企業創新——新三板上市公司的證據 [J].中國工業經濟，2020，（01）.

[26]譚常春，王卓，周鵬.金融科技“賦能”與企業綠色創新——基于信貸配置與監督的視角 [J].財經研究，2023，49（01）.

[27]Livshits I，Mac Gee J C，Tertilt M. 2016. The Democratization of Creditand the Rise in Consumer Bankruptcies [J].The Review of Economic Studies，83（4）.

[28]張妤舟.金融科技助力商業銀行履行企業社會責任 [J].金融科技時代，2021，29（12）.

[29]郭峰，王靖一，王芳，孔濤，張勛，程志云.測度中國數字普惠金融發展：指數編制與空間特征 [J].經濟學（季刊），2020，19（04）.

[30]翟勝寶，程妍婷，謝露.商業銀行數字化轉型與風險承擔水平 [J].北京工商大學學報（社會科學版），2023，38（02）.

[31]張杰，鄭文平，新夫.中國的銀行管制放松、結構性競爭和企業創新 [J].中國工業經濟，2017，（10）.

[32]于蔚，汪淼軍，金祥榮.政治關聯和融資約束：信息效應與資源效應 [J].經濟研究，2012，47（09）.

[33]江艇.因果推斷經驗研究中的中介效應與調節效應 [J].中國工業經濟，2022，410（05）.

[34]劉方，祁跡，胡列曲.金融科技與銀行信貸配置效率——我國143家商業銀行的經驗證據 [J].哈爾濱商業大學學報（社會科學版），2022，185（04）.

[35]王遙，王文蔚.環境災害沖擊對銀行違約率的影響效應研究：理論與實證分析 [J].金融研究，2021，498（12）.

[36]許罡.新環保法實施對重污染企業融資影響及后果研究 [J].現代財經（天津財經大學學報），2022，42（02）.

[37]左振秀，崔麗，朱慶華.中國實施綠色信貸的障礙因素 [J].金融論壇，2017，22（09）.